基于SSA的组合预测模型在建筑物基坑沉降监测中的应用

为了提高单一的BP(Back Propagation)神经网络模型在建筑物基坑沉降数据预测中的精度，本文将奇异谱分析(SSA,Singular Spectrum Analysis)与卡尔曼滤波(KF, Kalman Filter)引入预测模型中，构建基于SSA的KF-BP神经网络预测模型。该组合预测模型首先利用SSA将原始时间序列中的趋势项与周期项提取出来；其次通过KF-BP神经网络模型分别对趋势项与周期项进行预测；最后重构趋势项预测结果与周期项预测结果，得到最终预测结果。将本文提出的基于SSA的组合预测模型应用于建筑物基坑沉降监测数据预测中，结果表明，本文提出的预测模型较BP神经网络模型、KF-BP神经网络模型的整体预测精度更高，预测结果更加稳定。